کارایی روش های آماری بیزی برای پویش ژنومی صفات ساختاری بدن در گاوهای شیری آمیخته

در سال های اخیر روش های آماری مختلفی برای درک روابط بین ژنتیک و فنوتیپ به کار گرفته شده اند.برخلاف روش های پارامتری، در روش های بیزی اثر متغیرهای ژنتیکی می توانند در بیش از یک توزیع آماری مورد آنالیز قرار گیرند. با توجه به اینکه توزیع های آماری این روش می توانند متفاوت از همدیگر باشند لذا به نظر می رسد روش های بیزی بتوانند درک صحیح تری از مناطق ژنومی موثر بر صفات کمی و میزان اثرآنها ارائه کنند. لذا هدف از انجام پژوهش حاضر، محاسبه میزان واریانس ژنتیکی توجیه شده روش های چند مرحله ای بیزی شامل bayesa، bayesb و bayescπ برای صفات مرتبط با ساختار بدن در گاوهای شیری آمیخته بود که با تراشه های 50k گاو تعیین ژنوتیپ شده بودند. برای هر دام، پنج صفت شامل ارتفاع قد از جدوگاه، دور سینه، طول بدن، عمق سینه و فاصله دو هیپ رکورد جمع آوری شده بود و با استفاده از بسته نرم افزاری hibayes در محیط r میزان اثر هر یک snpها برآورد گردید. میزان واریانس ژنتیکی توجیه شده در روش bayesa نسبت به سایر روش ها بیشتر برآورد گردید. کمترین و بیشترین میزان واریانس توجیه شده به ترتیب مربوط به صفات دور سینه (5/ 12% ) و طول بدن (7/ 21% ) به دست آمد. پنجره های ژنومی با بیشترین واریانس ژنتیکی روی کروموزوم های 4، 5، 6، 7، 10، 11، 16 و 23 قرار داشتند و شامل ژن های کاندیدای prdx6، atf3، arap2، pde1b، chchd3 ، tbpl2، syn3 و ptbp1 بودند. ژن های شناسایی شده عملکرد‌های مهمی را در ارتباط با سنتز کلاژن، فرآیند استخوان سازی، رشد عضلات اسکلتی و تنظیم یون کلسیم بر عهده داشتند. نتایج تحقیق حاضر نشان می دهد هنگامی که معماری صفات بررسی شده از مدل تعداد زیاد جایگاه ژنی پیروی کند، معمولاً روش bayesa بر بیزهای با انتخاب متغیر ارجحیت دارند. علاوه بر این، با توجه به شناسایی مناطق ژنومی جدید و نقش کلیدی ژن های ذکر شده در ایجاد صفات ساختاری بدن می توان کارآیی روش bayesa برای پویش ژنومی در صفات ساختاری بدن را تایید کرد. 

the efficiency of the bayesian statistical method for genome wide association study of body conformation traits in crossbred dairy cattle

using the appropriate statistical method in genome wide association studies is one of the main factors for identifying genomic regions related to important economic traits. therefore, the purpose of the present study was to calculate the explained genetic variance of bayesian multi-step methods including bayesa, bayesb and bayescπ for traits related to body conformation traits in crossbreed dairy cattle that were genotyped with 50k cattle chips. for each animal, five traits, body length, wither height, chest depth, chest circumference, and hip width, were collected. the analyses were performed using package hibayes in r software by fitting covariates for either snps alleles in bayes a, bayes b, or bayes cπ models. the lowest and highest amount of explained variance was obtained for chest circumference (12.5%) and body length (21.7%), respectively. the markers obtained from bayesa with the highest additive genetic variance were located in the chromosomes 4, 5, 6, 7, 10, 11, 16 and 23. in the present study, the genes related to body conformations traits in our study included prdx6, atf3, arap2, pde1b, chchd3, tbpl2, syn3, and ptbp1. the functional aspects of these candidate genes suggested their potential role in body growth. moreover, pleiotropic effects were observed for some snps for conformation traits. the present results show when the genetic architecture of quantitative traits follows infinitesimal model assumptions, bayesa method usually performs better than bayes. moreover, considering the identification of new genome regions and the key role of the mentioned genes in development of body conformation, the bayes a method can be validated for gwas in body conformation traits.